Основные определения в области интеллектуализации
Обсуждаемые основные определения в области интеллектуализации имеют многопрофильный характер. В силу этой причины далее приводятся типовые определения, которыми пользуются IT-специалисты.
Данные – это информация, полученная в результате наблюдения или измерения отдельных свойств или атрибутов, характеризующих объекты, процессы и явления в предметной области. Наряду с этим, данные определяются как совокупность объективных сведений.
Информация – сведения, неизвестные ранее получателю информации, пополняющие его знания, подтверждающие или опровергающие положения и соответствующие убеждения.
Знания – это совокупность фактов, закономерностей и эвристических правил, с помощью которых решается поставленная задача. В развёрнутом виде определение формулируется следующим образом: знания – это связи и закономерности предметной области (принципы, модели, методы, законы, методологии, методики, технологии), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать научные, научно-методические, научно-технические, научно-практические и практические задачи. В альтернативном определении знания понимаются как структурированные определённым образом данные, т. е. данные о данных (метаданные). Наука о знании именуется как когнитология. Знания делятся на глубинные и поверхностные.
Поверхностные знания – знания о видимых взаимосвязях между отдельными событиями или фактами предметной области.
Глубинные знания – это абстракции, формализации, аналогии, схемы, которые отражают структуру и природу процессов, протекающих в предметной области.
Знания объясняют явления и могут использоваться для прогнозирования поведения объектов (например, понимание принципов работы интеллектуальных информационных систем).
Современные интеллектуальные системы в основном работают с поверхностными знаниями. Это связано с тем что пока не существует универсальных методик, которые позволяли бы выявлять глубинные структуры знаний и работать с ними.
Знания подразделяются на процедурные и декларативные.
Сначала появились процедурные знания – знания, выраженные в алгоритмах, которые предназначались для управления данными. Для их изменения требовалось изменять текст программы. Однако с развитием информатики и программирования все большая часть знаний сосредотачивалась на структурах данных (таблицы, списки). При этом увеличилась роль декларативного знания.
Знания в настоящее время всё чаще представляются в декларативной форме. В этом представлении знанием считаются предложения, записанные на языках представления знаний, приближенных к естественному языку и понятных не только специалистам, но и пользователям.
Степень использования языков отображается на рис. 1.
Наиболее часто применяются следующие модели представления знаний:
Продукционная модель;
2) Семантические сети;
3) Фреймы;
4) Формальные логические модели.
Выделяются две группы языков: модульные и сетевые. Связь языков представления знаний с типовыми видами моделей знаний раскрывается на рис. 2. Модульные языки оперируют отдельными несвязными элементами знаний. Элементами являются правила или аксиомы.
Сетевые языки предусматривают возможность связать элементы через отношения в семантические сети (или сети фреймов).
Рисунок 1 – Таблица Ньюэлла
Рисунок 2 – Классификация моделей
Одна из образных гипотез связи правого и левого полушарий головного мозга и моделей описания знаний приводится на рис.3.
Фрагмент, выделенный из окружающего мира, называется областью экспертизы или предметной областью (рис. 4).
Существует множество задач и проблем, которые необходимо решать, используя сущности и отношения из предметной области. В связи с этим используется более широкое понятие – проблемная область или проблемная среда. Проблемная среда трактуется как взаимосогласованная совокупность предметной области и решаемой задачи.
Рисунок 3 – Модель восприятия человека
В понятийной структуре проблемной области используется три источника знаний:
первый источник (первого рода) – человек, второй источник (второго рода) – книги, справочники, инструкции и т.д., третий источник (третьего рода) – базы данных и другие носители.
Процесс формирования понятийной структуры поясняется на рис. 5.
Рисунок 4 – Понятия предметной области
Рисунок 5 – Процесс формирования понятийной структуры
По мере развития научно-технических достижений появилось новое направление профессиональной деятельности, называемое инженерией знаний.
Инженерия знаний занимается проблемами представления, хранения, тиражирования, извлечения, обработки и генерации знаний. В настоящее время разрабатывается широкий класс систем, основанных на знании и применяемых в различных областях профессиональной и социальной деятельности.
В основе деятельности специалиста (инженера по знаниям) находятся процессы концептуализации – способы отображения понятийной структуры на платформы информатизации.
Основная задача инженера по знаниям связанна с построением модели проблемной области. Любая система, обладающая базой знаний о некоторой предметной области, может рассматриваться как интеллектуальная система.
Онтология – система, состоящая из набора понятий, на основе которых строятся отношения, функции, классы, объекты и теории предметной области. Онтология описывается следующим кортежем:
O = <A, B, C>,
где А – конечное множество понятий, терминов (концепций) предметной области, которые представляют данную онтологию.
В – конечное множество отношений между концепциями (понятиями) данной предметной области.
С – конечное множество функций интерпретации, заданной на A и B.
Онтологии рассматриваются как базы знаний специального типа, которые могут читаться, пониматься, физически разделяться или отчуждаться от разработчиков. По мере развития инженерии знаний выделяется отдельная ветвь профессиональной деятельности, именуемая онтологически инжинирингом.
Понятие интеллектуальной информационной системы (ИИС)
Многими специалистами считается, что интеллектуальная система – это техническая программная система, способная решать задачи, которые традиционно считались творческими.
Интеллектуальная информационная система – это информационная система, которая работает со знаниями.
Интеллектуальная информационная система с позиций экономики может рассматриваться как фабрика, производящая информацию, в которой заказом является информационный запрос, сырьем – исходные данные, продуктом – требуемая информация.
В техническом обобщённом контексте интеллектуальная информационная система является средством генерации и рационального использования знаний в профессиональной и социальной деятельности.
В области искусственного интеллекта различаются фактуальные и операционные знания.
Фактуальными (экстенсиональными) знаниями считаются осмысленные и понятные данные, организованные на носителе.
К операционным знаниям относятся зависимости между знаниями, которые позволяют интерпретировать данные или извлекать из них информацию и знания либо генерировать знания.
Фактуальные – экстенсиональные знания считаются детализированными, операционные – интенсиональные знания рассматриваются как обобщенные.
Процесс извлечения информации из данных и знаний сводится к адекватному соединению операционных и фактуальных знаний. В реальных системах они используются по-разному.
В системах, основанных на обработке баз данных, происходит отделение фактуальных от операционных знаний. Фактуальные знания организуются в виде баз или хранилищ данных. Операционные знания реализуются в виде программ. В качестве посредника выступают системы управления базами и хранилищами данных.
Концепция независимости программ от данных позволяет повысить гибкость информационных систем по выполнению произвольных информационных запросов. Однако эта гибкость в силу процедурности представления операционного знания имеет четко определенные границы.
Для формирования информационного запроса пользователь должен ясно представлять себе структуру базы данных и, до определенной степени, алгоритм решения задачи. Следовательно, пользователи должны хорошо разбираться в логической структуре базы данных и в алгоритмическом обеспечении системы.
Общие недостатки традиционных информационных систем заключаются в слабой адаптивности к изменениям предметной области и информационной потребности окружающей среды и пользователей. Второй недостаток – слабая адаптивность и невозможность решать трудно или слабо формализуемые задачи. Указанные недостатки устраняются посредством создания, использования и сопровождения интеллектуальных информационных систем.
В развитии интеллектуальных информационных систем выделяются два магистральных направления. Первое направление ориентируется на преодоление разного рода неопределённости в знаниях о возможных свойствах и описаниях объектов и процессов предметных областей профессиональной и социальной деятельности, а второе направление – на генерацию различных форм определения, представления и выполнения действий для достижения поставленных или формируемых целей реализации деятельности.
Для интеллектуальных информационных систем, ориентированных на генерацию алгоритмов решения задач профессиональной и социальной деятельности, характерны следующие признаки:
развитые коммуникационные способности;
умение решать сложные, плохо формализованные задачи;
способность к самообучению.
Коммуникационные способности интеллектуальной информационной системы характеризует способ взаимодействия конечных пользователей с системой – т.е. возможность формирования произвольного запроса в диалоге системы.
Сложные, плохо формализуемые задачи, требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамичность.
Способность к самообучению – возможность автоматического извлечения знаний для решения задач из накапливаемого опыта анализа конкретных ситуаций.